专家任务分析与能力设计 是做什么的?
当任务模型看似流程完整,但仍缺少将专家表现与清单区分开来的知觉触发条件、监控循环和工具使用习惯时,请使用本技能。
使用时机
- 需要将专家表现转化为智能体架构、仿真器或训练环境。
- 已有的书面 SOP 解释了步骤,但未能说明专家如何知道该选择哪个分支。
- 系统在正常情况下有效,但在依赖情境判断的边缘情况下失败。
- 正在对领域专家进行访谈,需要一种提取隐性知识的方法,而不仅仅是获取叙述性流程。
- 一个 DAG(有向无环图)或编排树需要持续的监控循环,而不是只有一次性的顺序节点。
不适用的边界
本技能不是以下场景的合适主要工具:
- 简单、确定性的工作流,其显式程序已能完整捕获整个任务。
- 不依赖知觉模式识别的低风险自动化。
- 事后文档化练习,无需根据真实专家表现进行验证。
- 对视觉真实感要求高于线索保真度以支持决策的仿真。
核心心智模型
科学层与艺术层
专家表现有一个显性陈述层(专家通常可以解释)和一个知觉层(通常只有在追问分支点时才会显现)。GOMS(目标、操作、方法、选择规则)能够捕获前者。关键线索清单和关键决策法访谈则是恢复后者的方法。
线索是关键支撑
唤醒模式、线绳张力、声音变化或微妙的位姿关系并非可有可无的细节。它们是专家选择的实际输入。如果系统无法感知这些线索,就无法复现专家的决策函数。
层级结构加选择规则
专家工作是一个嵌套的目标层级结构,附带局部分支条件,而不是一个扁平的步骤列表。重要的结构不只是做什么,而是什么条件选择方法 A 而非方法 B。
持续的监控循环
许多专家任务依赖于与顺序操作同时进行的持续评估目标。仅对一次性节点建模的工作流会失去预见性,将专业知识退化为被动反应。
验证缺口
单专家任务模型必然存在不完整性,因为常规工具和设置行为会从意识中消失。验证不是可选的润色步骤,而是发现缺失任务结构的方式。
决策点
建模流程请参见 diagrams/01_flowchart_decision-points.md。
flowchart TD
A[需要专家能力模型] --> B[分解目标和方法]
B --> C{分支点是否能通过流程解释?}
C -->|是| D[记录显式选择规则]
C -->|否| E[探查知觉线索]
D --> F{是否需要持续监控?}
E --> F
F -->|是| G[建立监控循环和冗余感知模型]
F -->|否| H[保留顺序子目标]
G --> I[通过更多专家或追踪记录进行验证]
H --> I
1. 决定分解的适当粒度
- 停在首次出现有意义方法选择的层级。
- 如果分支条件仍然隐藏,则分解得更深,探查选择该分支的线索。
- 如果没有剩余的分支点,那么你正在记录的只是执行过程,而非任务架构。
2. 决定使用哪种知识引出方法
- 使用结构化分解处理显式流程和工具排序。
- 当专家说“我就是知道”或“视情况而定”时,使用关键决策法探测。
- 当第一个模型显得异常整洁或没有涉及工具时,使用多专家验证。
3. 决定仿真什么
- 仿真实际触发分支决策的线索。
- 在专家依赖多个信息通道的地方增加冗余感知。
- 省略不会改变线索识别或选择质量的装饰性细节。
失败模式
1. 扁平清单捕获
症状: 任务模型读起来很流畅,但一旦环境发生偏差就失效。 检测规则: 分支条件缺失,或隐藏在叙述性描述中而非显式选择规则。 恢复方法: 将清单转换为带有线索关联分支点的目标层级结构。
2. 无线索仿真
症状: 受训者或智能体在仿真器中成功,但在实际部署中失败。 检测规则: 仿真复现了流程,但没有复现专家用于选择这些流程的信号。 恢复方法: 构建关键线索清单,并围绕线索保真度重新设计仿真环境。
3. 单通道脆弱性
症状: 一个噪声输入或缺失输入就会导致整个决策过程崩溃。 检测规则: 关键判断只依赖单一信息源。 恢复方法: 增加冗余通道和明确的交叉检查行为。
4. 单专家盲点
症状: 关键工具或情境设置行为从未出现在第一个模型中。 检测规则: 验证专家立即提及遗漏的设备、例程或监控行为。 恢复方法: 将分歧视为缺失结构的证据,而非噪声。
5. 仅顺序架构
症状: 系统能够对事件做出反应,但无法维持持续评估。 检测规则: 所有节点都是一次性任务,没有代表持续监控目标的节点。 恢复方法: 增加显式的监控循环,包含预测 - 观察 - 比较 - 调整的行为。
工作示例
示例 1:将专家判断转化为智能体树
一位航运领域专家为船舶靠泊提供了流程性叙述。第一版草稿干净地分解为步骤,但在海流、拖船可用性和缆绳行为同时变化时仍会失败。本技能在相关分支点添加选择规则,记录驱动这些选择的关键线索清单,并引入持续的监控循环,而不是仅使用顺序节点。
示例 2:仿真保真度优先级排序
一个训练仿真器对水面、船只和码头几何形状渲染得非常精美,但受训者仍然会越过停靠点。认知任务分析(CTA)揭示,专家依赖的是相对于固定岸上参照物的相对运动以及缆绳张力线索,而仿真器从未突出这些信息。本技能将设计工作引导至这些线索,而非更多地追求视觉美化。
质量检查清单
- 任务模型区分了显式程序与知觉线索知识。
- 分支点包含了选择每种方法的线索或条件。
- 持续的监控目标与一次性的顺序目标分别建模。
- 在专家依赖冗余信息通道的关键决策处,已建立这些通道。
- 至少进行一次验证,用其他专家或追踪记录挑战该模型。
参考文件
| 文件 | 加载时机 |
|---|---|
references/goms-task-decomposition-for-agent-systems.md | 构建目标层级结构或决定分解深度时 |
references/critical-cue-inventories-for-agent-perception.md | 在决策点恢复知觉触发条件时 |
references/knowledge-elicitation-methodology-for-agent-capability-building.md | 执行 CTA 或关键决策法访谈时 |
references/validation-gap-what-experts-dont-know-they-know.md | 对初版任务模型进行压力测试时 |
references/redundant-sensing-in-multi-channel-environments.md | 设计鲁棒的多通道感知时 |
references/the-art-science-gap-transfer-to-simulation.md | 决定哪些仿真细节对技能迁移有实质性影响时 |
references/situation-awareness-and-the-conning-officers-mental-model.md | 建立监控循环和偏差检测模型时 |
反模式
- 将“隐性知识”视为结束探究的标签,而非需要更深入探查的信号。
- 仅捕获流程,就把结果称为专家模型。
- 为追求美学真实感而非线索保真度来设计仿真。
- 在自发性行为隐藏了最重要结构的领域,假设单个专家模型就已完整。